COVID-19 izplatība — vai palikt mājās?
Jaunais gripai līdzīgais vīruss, kas gada sākumā terorizēja Ķīnu, nu jau ir sācis savu uzvaras gājienu citās pasaules valstīs, tai skaitā arī Latvijā. Lai mēģinātu ierobežot vīrusa izplatību, daļa pasaules valstu jau pašā sākumā sāka ieviest būtiskus ierobežojumus cilvēku pārvietošanās un pulcēšanās brīvībai, savukārt citas pasaules valstis gausi seko. Arī Latvijā jau ir ieviesti pirmie ierobežojumi, savukārt daļā sabiedrības valda neizpratne, vai dotie pasākumi nav pārāk pārspīlēti. Lai rastu atbildi uz šo jautājumu, katrs pats var paspēlēties ar COVID-19 izplatības modeli un novērtēt šīs saslimšanas ietekmi uz veselības sistēmu. Lasi tālāk un pamēģini pats.
Lai arī ĢISnet parasti raksta par ĢIS, tālizpēti un kartogrāfiju, šoreiz vīrusa izplatības modelis ir realizēts ne-ĢIS vidē — aģentu bāzētajā modelēšanas rīkā NetLogo. Modelis ir salīdzinoši primitīvs, taču ļauj iegūt priekšstatu par vīrusa izplatību sabiedrībā. Modeļa jaunākā versija pieejama Modelling Commons lapā, kur var atrast arī citus, sarežģītākus COVID-19 izplatības modeļus.
Pirmais solis ir atvērt modeļa lapu: https://www.gisnet.lv/~marisn/Flatten_the_Curve-COVID-19.html
Izvēlamies cilvēku skaitu, kas piedalīsies eksperimentā (slīdnis „number-of-people“), kā arī ar cik daudziem cilvēkiem vidēji ikdienā parasti katrs no cilvēkiem satiekas (slīdnis „avg-relationships-per-person“). Kad tas ir paveikts, klikšķinām uz pogas „Set up new Network“, kas izveidos aģentu tīklu.
Pēc tam uzliekam varbūtību, ka katru dienu tiek satikts katrs no saistītajiem cilvēkiem (darba kolēģi, klasesbiedri, veikala pārdevēja, …), ko paveicam ar slīdni „probability-of-interaction“. Spiežam uz pogas „Set up new Simulation“. Kad tas ir izdarīts, viens no cilvēkiem ir marķēts kā inficēts (dzeltenā krāsā). Spiežam uz pogas „Run Simulation“ un novērojam kā slimība izplatās. Kad simulācija ir beigusies, mainām izolācijas rādītāju („probability-of-interaction“) — lielāks skaitlis = biežākas tikšanās, mazāks skaitlis = retākas tikšanās. Pēc tam spiežam atkal uz „Set up new Simulation“ un pēc tam uz „Run Simulation“.
Krāsu leģenda:
- „zilie“ — veselie cilvēki. Var tikt inficēti.
- „dzeltenie“ — inficēti, taču vēl turpinās inkubācijas periods. Var inficēt citus.
- „sarkanie“ — slimnieki. Var inficēt citus. 20% no slimniekiem ir nepieciešama hospitalizācija.
- „zaļie“ — slimnieki, kuriem atradusies vieta slimnīcā. Šie slimnieki citus nevar inficēt.
- „pelēkie“ — cilvēki, kuri sekmīgi pārslimojuši COVID-19. Šie cilvēki vairs nevar inficēt citus, kā arī paši jau ir imūni pret šo vīrusu.
Simulācijas laikā būs redzama virkne rādītāju. „Max sick %“ ir maksimālā daļa no cilvēkiem, kas bija slimi vienlaicīgi (izteikta procentos). „Max req. hosp.“ ir maksimālais slimnieku skaits, kuriem ir vienlaikus nepieciešama hospitalizācija. „In hosp.“ — cik cilvēki šobrīd ir slimnīcā. „Max hosp. occu %“ — slimnīcas gultu noslodze procentos.
Lai labāk saprastu problēmas būtību, jāņem vērā, ka aptuveni 20% saslimušo būs nepieciešama hospitalizācija (slīdnis „require-hospitalization-pcnt“), savukārt gultu skaits uz 1000 iedzīvotājiem Latvijā ir 5,57 (OECD dati). Tas nozīmē, ka, ja simulācijā iedzīvotāju skaitu uzliek uz 1000, tad gultu skaitu var uzlikt uz 6. Ja cilvēku skaits, kuriem ir nepieciešama hospitalizācija („Max req. hosp.“ rādītājs) pārsniedz šo skaitu, tad kāds no slimniekiem, kam vajadzēja nonākt slimnīcā, tur nenonāks un nesaņems palīdzību, lai sekmīgi cīnītos ar saslimšanu.
Protams, šī simulācija ir ļoti primitīva, taču tā palīdz saskatīt problēmu — ir divi varianti notikumu attīstībai. Pirmais — nekādi ierobežojumi, slimība izplatās ātri, taču tik pat ātri izzūd. Negatīvā puse — liels mirušo skaits. Otrais variants — drastiski ierobežojumi. Slimība izplatās lēni, ierobežojumi ir ilgstoši. Pozitīvā puse — būs cilvēki, kas nesaslims, kā arī lielāka daļa slimnieku, kuriem nepieciešama aprūpe slimnīcā, spēs to saņemt.
Un kā liekas Jums? Rakstiet komentāros.